Data-Espresso

Founder · ex-Lazada | Central | TQM · AI for real business, not hype

[Data-Espresso @dataespresso]

routine ใน Grok Bot ที่รันผ่านทุกรอบ ไม่ได้แปลว่ามันคุ้มนะครับ

ผมรัน Grok Bot เป็นทีมอยู่หลายตัว (มี Chief of Staff คุมอีกที) แล้วสังเกตว่าที่น่ากลัวกว่า routine พัง คือ routine ที่รันผ่านทุกวัน แต่ยังทำ workaround แบบเดิมอยู่ ทั้งที่ Grok Bot อาจออกฟีเจอร์ใหม่มาแทนได้แล้ว ไม่มี error ให้เห็นสักตัว แต่ token ก็ไหลออกไปทุกรอบ

@Michael_Fenech_ แชร์ prompt เรื่องนี้ไว้ดีมาก ผมสรุปเป็นไทยให้ 3 ข้อ เอาไปสั่ง Chief of Staff ให้ทำทุกสัปดาห์ได้เลย

1. ไปดูของใหม่จาก docs, changelog และประกาศทางการของ Grok Bot ในสัปดาห์นั้น เอาเฉพาะที่มีลิงก์ยืนยัน อะไรที่ยังทยอยปล่อยอยู่ให้ติดป้ายไว้

2. ไล่ลิสต์ของที่เรามีอยู่ บอทกี่ตัว routine, skill, connector อะไรบ้าง รันถี่แค่ไหน แล้วตรงไหนที่ยังต้องให้เราเข้าไปช่วย หรือยังใช้วิธีอ้อมอยู่

3. จับคู่ฟีเจอร์ใหม่กับปัญหาจริงของเรา ข้อไหนทำให้ง่ายขึ้น ถูกลง หรือพังน้อยลง ค่อยเสนอมา

ข้อที่ผมเพิ่มเอง คือให้มันเสนออย่างเดียว ห้ามแก้ routine เองจนกว่าเราจะ GO (ไม่งั้นตื่นมาอาจเจอ routine หายไปครึ่งนึง ฮ่าๆ)

ใครลองแล้วเจอ routine ที่ทำงานซ้ำซ้อนอยู่ บอกด้วยนะครับ ผมไปไล่เช็คของตัวเองก่อนละ :-)

[Michael | AI + Agents @Michael_Fenech_]

Your Grok Bot routines could be doing unnecessary work, even when they run perfectly.

A new feature could remove a workaround, replace a manual step or make an existing routine more reliable.

Give this prompt to your Chief of Staff to check every week which new features could improve the setup you already have:

"Once a week, check whether new Grok Bot features could make my setup simpler, cheaper or more reliable.

1: Find what's new.

Check the official Grok Bot docs, help pages, changelog and announcements from the past week. List each new or changed feature with its source link. Only include what the official sources confirm, and mark anything still rolling out.

2: Map my current setup.

List my bots, routines, skills and connectors, what each does, how often it runs, and where it fails, needs me to step in, or uses a workaround.

3: Match features to real problems.

For each new feature, say whether it removes a workaround, a manual step, a duplicate routine, a failure or a step where I'm the bottleneck. Skip features that don't solve something real in my setup.

4: Propose specific changes.

For each match, state what changes, which bot or routine it affects, what improves (fewer runs, fewer steps, less of my time, fewer failures), the risk, and how to undo it.

5: Test before switching.

Recommend a small trial for each change, run it alongside the current version where you can, and show me the result before replacing anything.

6: Change nothing without my yes.

Report proposals only. Don't edit, pause or delete any routine, bot or skill until I approve it.

7: Keep a log.

Record each change we make, what it replaced and whether it worked, so we can see the setup improving over time."

[Data-Espresso @dataespresso]

Just finished the Grok @bot online meet-up with some folks in Thailand. Our community is growing fast; now we have more than 1,000 in the group.

[Data-Espresso @dataespresso]

@melvindvivas @bot create the dashboard for me

[Data-Espresso @dataespresso]

ใครมีโปรเจกต์อยู่บน Railway อ่านอันนี้ก่อนกาแฟแก้วแรกนะครับ

เมื่อวาน (21 ต.ค. ฝั่งอเมริกา) Railway ออกประกาศว่ามีคนนอกอาจเข้าถึง environment variables ของลูกค้าได้ แถมบางส่วนถูกถอดรหัสออกมาแล้วด้วย (env vars ก็คือที่เราเก็บ API key รหัส database รหัส registry นั่นแหละครับ ของสำคัญทั้งนั้น)

สิ่งที่ Railway แนะนำให้ทำเลยคือ
1. เปลี่ยน env vars ทุกตัวที่เก็บไว้บน Railway รวม API key ทั้งหมด
2. เปลี่ยน credentials ของ private registry ด้วย
3. ไล่ดู log ของ service ปลายทางว่ามีอะไรแปลกๆ มั้ย (เค้ามีคู่มือเช็ค AWS กับ GCP แยกให้แล้ว)

ตอนนี้ build กลับมาใช้ได้แล้วนะครับ แต่ยังปิดรับสมัครใหม่อยู่ และกำลังจะออกรายงานเบื้องต้น

เปลี่ยนคีย์เสร็จแล้วก็อย่าเพิ่งวางใจครับ ช่วงเดียวกันนี้ PHP ก็เพิ่งมีช่องโหว่ระดับ critical อีก 2 ตัว เลยเป็นจังหวะดีที่จะลอง security-audit-skill ของ Cloudflare (MIT ใช้ฟรี) มันแบ่ง audit เป็น 6 ขั้น แล้วบั๊กทุกตัวที่เจอจะถูกส่งให้ agent อีกตัวพยายามหักล้างก่อน ถึงจะนับว่าเจอจริง

ที่ผมชอบคือ Cloudflare ยอมรับเองว่ารันรอบเดียวเจอแค่ประมาณครึ่งเดียวของที่เจอตอนรันหลายรอบ (คือ audit ครั้งเดียวแล้วนอนหลับสบาย อันนี้ไม่ได้นะครับ)

ติดตั้ง
npx skills add https://t.co/xiNhvN5ygf --skill security-audit
แล้วสั่ง agent ว่า security audit this codebase

ใครโดนผลกระทบหรือไล่เช็คแล้วเจออะไร มาเล่าให้ฟังหน่อยครับ

[Railway @Railway]

An urgent notice from the Railway team

https://t.co/niUAhTAQJM

[Data-Espresso @dataespresso]

@juampitech @bot lets lookinto this detail and publish to site

[Data-Espresso @dataespresso]

OpenAI models are now available on GCP.

Google is the first cloud provider where you can use Gemini, Claude, and GPT models. OMG!

There are 3 models:
GPT-6 Astra (top tier)
GPT-6.1 Sol (close in quality but cheaper)
GPT-6 Luna (fast and economical)

You can buy them through Google Cloud Marketplace. You get a single invoice, and the cost counts against your cloud commitment.

Your data stays inside the customer's data perimeter and isn't used to train models.

It's currently a private preview for selected enterprise customers.

You can now connect Codex CLI/Desktop to the Gemini platform. It's coming soon to Gemini for business and Antigravity.

https://t.co/1YJtpqSj1G

[Data-Espresso @dataespresso]

@NeoAIForecast I just updated lol

[Data-Espresso @dataespresso]

เทสผ่านหมดแล้ว แต่ user ยังเจอบั๊กอยู่ดี เคยเป็นมั้ยครับ

ผมเพิ่งเห็นวิธีของ @poteto (คนทำ pstack) แล้วอยากลองมาก คือสั่ง agent ให้วาด statechart ของ flow ที่เราห่วงที่สุดก่อน ว่า user เดินจากจุดไหนไปจุดไหนได้บ้าง แต่ละขั้นมี state อะไร

แล้วค่อยรัน /create-formal-verification-skill ที่เพิ่งมาใน pstack v0.15.27 ตัวนี้เป็น skill ที่สร้าง skill อีกที มันจะหาจุดในโค้ดที่พลาดแล้วแพงที่สุดแต่เทสเอื้อมไม่ถึง เลือกเครื่องมือเอง (ถ้าเป็นเรื่องลำดับเหตุการณ์ ส่วนใหญ่ก็ TLA+) แล้วไล่เช็คทุกลำดับที่เป็นไปได้ในขอบเขตที่กำหนด ไม่ใช่แค่เคสที่เรานึกออกตอนเขียนเทส

ส่วนที่ผมชอบคือมันต้องโชว์ก่อนว่า check ของตัวเองจับบั๊กได้จริง โดยลองพังโค้ดแล้วดูว่ามันร้องมั้ย (เทสที่ไม่เคย fail เลยก็เหมือนยามที่ไม่เคยตื่น)

ยังเป็น beta อยู่นะครับ เหมาะกับพวก retry, state machine หรืองานที่มีหลายอย่างทำงานพร้อมกัน ไม่ต้องเอาไปใช้กับทุกไฟล์

ใครลองแล้วเจออะไร มาเล่าให้ฟังหน่อยครับ

[lauren @poteto]

there's something really cool about asking your agent to draw a statechart (hypothetical example in this image), then using the /create-formal-verification-skill you made with pstack to find bugs through something like TLA+. you can both understand your code better and how the user flow should work, and fix issues users would otherwise see

[Data-Espresso @dataespresso]

@cathrynlavery @Tailscale @bot add this to notion prompt board

[Data-Espresso @dataespresso]

@kunchenguid @bot add this to notion prompt board

[Data-Espresso @dataespresso]

@rileybrown @bot let's add this and convert to notion prompt board

[Data-Espresso @dataespresso]

Run Thai language benchmark with this on my single DGX Spark. The improvement is super!!

[Mia @MiaAI_lab]

Rejoice single DGX Spark owners!

You can now run Qwen3.8 Flash Next on TensorFold with the new Nvidia FP4 QAD quant 🔥

- 1.1M total FP8 KV cache
- 256k context, 5 concurrent users
- 46-55 tok/s on prose, single stream
- 132 tok/s on prose, 5 concurrent steams
- Prefill 2000-2300 tok/s

Qwen3.8 Flash Next is still the BEST model to run on one DGX Spark, bare none!

You can choose what to run: FP4 QAD for quality, or int4 for speed. Details on what is QAD below.

Get it here:
https://t.co/ElQiyWOMdQ

[Data-Espresso @dataespresso]

@emanueledpt @bot add this to notion prompt board

[Data-Espresso @dataespresso]

@coreyganim @bot @bot add this to notion prompt board

[Data-Espresso @dataespresso]

@mattpocockuk @bot add this to prompt notion board

[Data-Espresso @dataespresso]

@alex_prompter @bot add this to notion prompt board

[Data-Espresso @dataespresso]

Maybe we need more usage.

[Data-Espresso @dataespresso]

Please take notes @bot and find ways to incorporate this knowledge into our daily routines

[lauren @poteto]

how do you trust your agents' work more? copy this post/link and give it to your @bot or agent!

1. codebase improvements: this is just good software engineering - better architecture, stronger types and invariants, clear boundaries. agents love to copy what exists and take the shortest path, so make the easy thing the right thing. categorically eliminate problems through code and you won't need to think about it again.
2. static analysis: lint rules, tests, CI, verification (eg TLA+). very token efficient ways to catch issues ahead of time.
3. prose: comments, rules, AGENTS.md, skills - anything that can't be enforced and requires agent judgment. use it minimally, but do use /create-verification-skill.
4. human review: the hardest to scale. at the rate agents land code, it's pretty much impossible to thoroughly review every PR, so spend that effort on the highest leverage point, designing an environment where agents do the right thing by default.

this forms an inverse pyramid: you want most of your effort at the top, least at the bottom. codebase improvements are deterministic, making it more token efficient, and lets you sleep more soundly at night.

install https://t.co/u9xIlN3eN0 and create a new Project:
1. look through my slack/chat messages and code review comments where i've given feedback on PRs, code, architecture
2. use /recall on my past transcripts to learn how i steer agents
3. /poteto-mode use /correct and /architect on past commits to find the most common pitfalls agents fall into, then propose a plan to rearchitect the code i own so it's more agent friendly. answer open questions with prototyping rather than defer to me, and back the plan with real data.
4. before you begin, use /sharpen + /in-your-own-words and confirm this prompt with me

[Data-Espresso @dataespresso]

@grok @0xSero @grok so if I use 2dgx how much ram avable that I can use with other stuff e.g. to run hermes